欧美无码

图片【MTK-004】ニューハーフAikaの手コキで愛して…。2010-05-13U＆K&$BABEL119分钟【MTK-004】ニューハーフAikaの手コキで愛して…。2010-05-13U＆K&$BABEL119分钟

绪论

Hello小伙伴们民众好，我是生信手段树的小学徒”我才不吃蛋黄“。今天是胃癌单细胞数据集GSE163558复现系列第五期。第四期，咱们使用了DimPlot、FeaturePlot、DoHeatmap、DotPlot等多种函数对细胞群和基因进行了可视化。本期，咱们将绘制饼图、堆积柱状图、箱线图、气泡图等，相比不同分组之间细胞比例各别。

1.配景

在细胞分群定名完成之后，咱们不错相比不雷同本和分组之间细胞比例的各别。细胞发生癌变、肿瘤细胞鼎新、药物诊治等刺激身分，齐会导致肿瘤微环境中细胞类型发生篡改。不同类型的细胞施行不同的生物学功能，通过谋略细胞比例，咱们不错评估细胞类型的组内及组间分散情况。

2.可视化

在这里，咱们将轮番绘制饼图、堆积柱状图、气泡图。

2.1 饼图

饼图不错直不雅展示组内各细胞比例的各别。

最初加载R包：

rm(list=ls())options(stringsAsFactors = F)library(Seurat)library(ggplot2)library(clustree)library(cowplot)library(dplyr)library(plotrix)library(ggsci)library(celldex)library(singleseqgset)library(devtools)

创建责任目次，并读取细胞分群防护后数据：

getwd()setwd()dir.create("5-prop")setwd('5-prop/')sce.all=readRDS( "../3-Celltype/sce_celltype.rds")sce.all

绘制饼图：

head(sce.all@meta.data)table(sce.all$celltype)mynames <-   table(sce.all$celltype) %>% names()myratio <-  table(sce.all$celltype) %>% as.numeric()pielabel <- paste0(mynames，" ("， round(myratio/sum(myratio)*100，2)， "%)")cols <-c('#E64A35'，'#4DBBD4' ，'#01A187'，'#6BD66B'，'#3C5588'  ，'#F29F80'  ，         '#8491B6'，'#91D0C1'，'#7F5F48'，'#AF9E85'，'#4F4FFF'，'#CE3D33'，         '#739B57'，'#EFE685'，'#446983'，'#BB6239'，'#5DB1DC'，'#7F2268'，'#800202'，'#D8D8CD')pie(myratio， labels=pielabel，    radius = 1.0，clockwise=T，    main = "celltype"，col = cols)

图片

绘制3D饼图：

pie3D(myratio，labels = pielabel，explode = 0.1，       main = "Cell Proption"，      height = 0.3，      labelcex  = 1)

图片

pie函数参数评释：

x: 数值向量，示意每个扇形的面积。labels: 字符型向量，示意各扇形面积标签。edges: 这个参数用处不大，指的是多边形的边数（圆的玄虚近似好多边的多边形）。radius: 饼图的半径。main: 饼图的标题。clockwise: 是一个逻辑值，用来率领饼图各个切片是否按顺时针作念出分割。angle: 诞生底纹的斜率。density: 底纹的密度。默许值为 NULL。col: 是示意每个扇形的阵势，十分于调色板。

2.2 堆积柱状图

堆积柱状图除了不错展示组内各别，还不错直不雅展示组间细胞比例各别。

绘制堆积柱状图前，最初整理图形输入数据：

library(tidyr)library(reshape2)tb=table(sce.all$tissue， sce.all$celltype)head(tb)library (gplots) balloonplot(tb)bar_data <- as.data.frame(tb)bar_per <- bar_data %>%   group_by(Var1) %>%  mutate(sum(Freq)) %>%  mutate(percent = Freq / `sum(Freq)`)head(bar_per) #write.csv(bar_per，file = "celltype_by_group_percent.csv")col =c("#3176B7"，"#F78000"，"#3FA116"，"#CE2820"，"#9265C1"，                "#885649"，"#DD76C5"，"#BBBE00"，"#41BED1")colnames(bar_per)

可视化：

library(ggthemes)p1 = ggplot(bar_per， aes(x = percent， y = Var1)) +  geom_bar(aes(fill = Var2) ， stat = "identity") + coord_flip() +  theme(axis.ticks = element_line(linetype = "blank")，        legend.position = "top"，        panel.grid.minor = element_line(colour = NA，linetype = "blank")，         panel.background = element_rect(fill = NA)，        plot.background = element_rect(colour = NA)) +  labs(y = " "， fill = NULL)+labs(x = 'Relative proportion(%)')+  scale_fill_manual(values=col)+  theme_few()+  theme(plot.title = element_text(size=12，hjust=0.5))p1

图片

上图是按样本类型（M、NT、PT）分组相比的，咱们也不错按患者进行相比：

bar_data <- as.data.frame(tb)bar_per <- bar_data %>%   group_by(Var1) %>%  mutate(sum(Freq)) %>%  mutate(percent = Freq / `sum(Freq)`)head(bar_per) #write.csv(bar_per，file = "celltype_by_group_percent.csv")col =c("#3176B7"，"#F78000"，"#3FA116"，"#CE2820"，"#9265C1"，       "#885649"，"#DD76C5"，"#BBBE00"，"#41BED1")colnames(bar_per)library(ggthemes)p2 = ggplot(bar_per， aes(x = percent， y = Var1)) +  geom_bar(aes(fill = Var2) ， stat = "identity") + coord_flip() +  theme(axis.ticks = element_line(linetype = "blank")，        legend.position = "top"，        panel.grid.minor = element_line(colour = NA，linetype = "blank")，         panel.background = element_rect(fill = NA)，        plot.background = element_rect(colour = NA)) +  labs(y = " "， fill = NULL)+labs(x = 'Relative proportion(%)')+  scale_fill_manual(values=col)+  theme_few()+  theme(plot.title = element_text(size=12，hjust=0.5)) +   theme(axis.text.x = element_text(angle = 45， hjust = 1))p2

图片

X、Y轴调度一下：

p3 <- ggplot(bar_per， aes(y = percent， x = Var1)) +  geom_bar(aes(fill = Var2) ， stat = "identity") + coord_flip() +  theme(axis.ticks = element_line(linetype = "blank")，        legend.position = "top"，        panel.grid.minor = element_line(colour = NA，linetype = "blank")，         panel.background = element_rect(fill = NA)，        plot.background = element_rect(colour = NA)) +  labs(y = " "， fill = NULL)+labs(x = 'Relative proportion(%)')+  scale_fill_manual(values=col)+  theme_few()+  theme(plot.title = element_text(size=12，hjust=0.5)) +   theme(axis.text.x = element_text(angle = 45， hjust = 1))p3

图片

ggplot函数参数评释：

原文调节：https://blog.csdn.net/a11113112/article/details/135091751

data：要用于绘画的数据集。mapping 或 aes：好意思学映射，用于将数据变量映射到图形属性，举例 x、y、color、size、shape 等。geom：几何对象，敬佩图形类型，比如 geom_point()（散点图）、geom_line()（折线图）、geom_bar()（条形图）等。x、y：指定 x 轴和 y 轴的数据变量。color、fill、shape、size：用于指定阵势、填充、体式和大小的变量。alpha：指定阵势透明度。group：指定分组变量。facet：面板分组，允许在一个图中绘制多个小图（facet_wrap() 或 facet_grid()）。theme：用于诞生图形的主题形式。labs：用于诞生 x、y 轴标签和图例标签的文本。scale：用于调整比例尺和好意思学属性的圭臬。coord：坐标系变换，举例 coord_flip() 不错交换 x 和 y 轴。position：用于调整图形中元素的位置，举例 position_dodge() 用于幸免重复的条形或点。xlim、ylim：收尾 x 轴和 y 轴的绘画限度。coord_cartesian()：近似于 xlim 和 ylim，但不会删除超出限度的数据点。labs()：诞生图形的标题、坐标轴标签和图例标题。ggtitle()：诞生图形的主标题。theme()：调整图形的外不雅和布局，如配景、网格线、标签形式等。guides()：收尾图例的外不雅，如标题、标签和图例键的位置和形式。scale_x_continuous()、scale_y_continuous()：调整 x 轴和 y 轴的一语气变量的比例尺和标签。

.......

2.3 气泡图

气泡图则不错展示每组样本不同类型细胞的具体数目。

绘制气泡图：

unique(sce.all@meta.data$patient)tb=table(sce.all$patient， sce.all$celltype)head(tb)library (gplots) balloonplot(tb)

图片

不错调整字体大小：

balloonplot(tb， text.size=0.8，label.size=0.8)

图片

还不错调整X/Y标签的角度：

图片

好色客亚洲

以及标署名体的阵势：

图片

balloonplot函数参数评释：

x : 一个表对象，或一个向量或几个类别向量的列表，其中包含打印矩阵的第一个（x）边距的分组变量。y : 矢量或矢量列表，用于对绘制矩阵的第二（y）维变量进行分组。z : 打印矩阵中点大小的值向量。xlab : x维度的文本标签。这将显现在X轴和绘画标题中。ylab : y标注的文本标签。这将显现在坐标轴和绘画标题中。zlab : 点大小的文本标签。这将包含在地块标题中。dotsize : 最大点大小。可能需要为不同的打印成立和布局调整此值。dotchar : 用于点的绘画标记或字符。关连标记代码的points函数，请参见匡助页。dotcolor : 指定绘画点阵势的标量或向量。text.size， text.color : 行和列标题的字符大小和阵势

.......

结语

本期，咱们绘制饼图、堆积柱状图、箱线图、气泡图等，相比不同分组之间细胞比例各别。下一期，咱们将应用胃癌bulk数据（TCGA-STAD）协助鉴别平素上皮和恶性上皮，其中还将涵盖各别分析、富集分析、KM生计分析等bulk RNA-seq数据的成例分析。干货满满，宽待民众抓续追更，谢谢！

图片

本站仅提供存储就业，悉数本色均由用户发布，如发现存害或侵权本色，请点击举报。